买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜西北工业大学申请的专利基于去噪和超分辨率重构融合的攻击图像防御方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116228537B 。

龙图腾网通过国家知识产权局官网在2025-05-09发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310135980.5，技术领域涉及：G06T3/4053；该发明授权基于去噪和超分辨率重构融合的攻击图像防御方法是由蒋晓悦;王众鹏;冯晓毅;夏召强;韩逸飞设计研发完成，并于2023-02-20向国家知识产权局提交的专利申请。

本基于去噪和超分辨率重构融合的攻击图像防御方法在说明书摘要公布了：本发明涉及一种基于去噪和超分辨率重构融合的攻击图像防御方法，首先，采用多级嵌套的编解码网络，对图像中的噪声进行粗清洗。由于噪声主要是高频信息，因而多尺度编解码网络可以利用低频信息引导高频信息的重构，进而实现对高频噪声的消除。然后，使用超分辨率重构网络对噪声进行精清洗，通过在超分重构过程中注入高频分量，破坏残留的对抗噪声的分布。本方法有效地结合了自编码器去噪和超分辨率重构来进行对抗防御。在实验中，本发明提出的样本清洗防御算法在自制的卫星对抗样本数据集上取得了优异的防御效果。样本清洗之后，攻击噪声完全被清除，在EfficientNet网络的识别中准确率提升了42.67％。

本发明授权基于去噪和超分辨率重构融合的攻击图像防御方法在权利要求书中公布了：1.一种基于去噪和超分辨率重构融合的攻击图像防御方法，其特征在于步骤如下：步骤1：训练图像样本库以及评价指标的构建；步骤2：构建对抗防御网络；所述的对抗防御网络包括自编码器子网络和超分辨率重构网络；自编码器子网络每个尺度的特征与超分辨率重构网络的输出进行特征融合，融合的特征图通过一个上采样层丰富图像的高频信息，生成一个没有对抗噪声的超分辨率图像；所述的自编码器子网络包括两个编解码器子网络，基于标准的U-Net结构，在编解码器之间设置了跳连接层；在编解码器的每一层使用通道注意力模块CAB来提取每一个尺度的特征；而U-Net的跳连接层也是使用CAB来处理同一尺度的特征图；在编码器和解码器之间，设计一个“图像特征拼接”的操作；对于第一个阶段网络，编码器会根据输入的原始图像块输出4个的编码器特征图；在输入到解码器之前，4个编码器特征图会两两拼接变成2个更大的编码器特征图；同理在第二个阶段网络中，编码器会根据输入的原始图像块以及第一阶段网络输出的解码器特征图输出2个编码器特征图；在输入到解码器之前，2个编码器特征图会拼接成一个完整的编码器特征图；最后，解码器会根据输入的特征图输出相应的解码器特征图；所述的超分辨率重构网络包含3个超分辨率块，每一个块包含8个残差块；所述的残差块内去除了一个批归一化层和一个卷积层；步骤3：定义对抗防御网络的损失函数；1自编码器网络损失函数如公式1所示： 其中，Lcha代表Charbonnier损失，Ledge代表边缘损失，Xs代表去噪后的图像，Y代表ground-truth图像，S代表每一个阶段，λ取0.05；Charbonnier损失的计算公式如公式2所示： 边缘损失的计算公式如公式3所示： 其中，Δ代表拉普拉斯算子，ε取10-3；2超分辨率重构网络损失函数如公式4所示： 其中，L2表示l1损失，yi表示ground-truth图像，fxi表示超分辨率后的图像；总的损失函数L如公式5所示：L＝L1+L25步骤4：训练对抗防御网络；步骤5：将待处理的原始图像输入到去噪与超分辨率重构融合的对抗防御网络中，经过自编码器子网络和超分辨率重构网络对输入图像进行噪声的清洗以及修复初始的特征信息，最后得出被动防御后的图像。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西北工业大学，其通讯地址为：710072 陕西省西安市友谊西路；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。